选择排序

　　基本思想是：每次选出第i小的记录，放在第i个位置（i的起点是0，按此说法，第0小的记录实际上就是最小的，有点别扭，不管这么多了）。当i＝N－1时就排完了。

　　直接选择排序

　　直选排序简单的再现了选择排序的基本思想，第一次寻找最小元素的代价是O(n)，如果不做某种特殊处理，每次都使用最简单的寻找方法，自然的整个排序的时间复杂度就是O(n2)了。

template <class T> void SelectSort(T a[], int N, int& KCN, int& RMN) { KCN = 0; RMN = 0; for (int i = 0; i < N; i++) { for (int j = i + 1, k = i; j < N; j++) if (++KCN && a[j] < a[k]) k = j;//select min if (k != i) { swap(a[k], a[i]); RMN += 3; } } }

　　测试结果：

Sort ascending N=10000 TimeSpared: 721ms KCN=49995000 KCN/N=4999.5 KCN/N^2=0.49995 KCN/NlogN=376.25 RMN=0 RMN/N=0 RMN/N^2=0 RMN/NlogN=0 Sort randomness N=10000 TimeSpared: 711ms KCN=49995000 KCN/N=4999.5 KCN/N^2=0.49995 KCN/NlogN=376.25 RMN=29955 RMN/N=2.9955 RMN/N^2=0.00029955 RMN/NlogN=0.225434 Sort descending N=10000 TimeSpared: 711ms KCN=49995000 KCN/N=4999.5 KCN/N^2=0.49995 KCN/NlogN=376.25 RMN=15000 RMN/N=1.5 RMN/N^2=0.00015 RMN/NlogN=0.112886

　　可以看到KCN固定为n(n-1)/2。另外一件有趣的事是，RMN＝0的正序花的时间居然比RMN接近3(n-1)的乱序还多。一是说明测试精度不够，在我的机器上多次测试结果上下浮动10ms是常有的事；二是说明和KCN的n(n-1)/2相比，RMN的3(n-1)有些微不足道。

　　锦标排序

　　从直选排序看来，算法的瓶颈在于KCN，而实际上，对于后续的寻找最小值来说，时间复杂度可以降到O(logn)。最为直接的做法是采用锦标赛的办法，将冠军拿走之后，只要把冠军打过的比赛重赛一遍，那么剩下的人中的“冠军”就产生了，而重赛的次数就是竞赛树的深度。实际写的时候，弄不好就会写得很“蠢”，不只多余占用了大量内存，还会导致无用的判断。我没见过让人满意的例程（殷版上的实在太恶心了），自己又写不出来漂亮的，也就不献丑了（其实这是惰性的缘故，有了快排之后，大多数人都不会对其他内排感兴趣，除了基数排序）。实在无聊的时候，不妨写（或者改进）锦标排序来打发时间，^_^。

　　堆排序

　　锦标排序的附加储存太多了，而高效的寻找最大值或最小值（O(logn)），我们还有一种方法是堆。这里使用了最大堆，用待排记录的空间充当堆空间，将堆顶的记录（目前最大）和堆的最后一个记录交换，当堆逐渐缩小成1的时候，记录就排序完成了。显而易见的，时间复杂度为O(nlogn)，并且没有很糟的情况。

template <class T> void FilterDown(T a[], int i, int N, int& KCN, int& RMN) { int child = 2 * i + 1; T temp = a[i]; while (child < N) { if (child < N - 1 && a[child] < a[child+1]) child++; if (++KCN && temp >= a[child]) break;//不需调整，结束调整 a[i] = a[child]; RMN++; i = child; child = 2 * i + 1; } a[i] = temp; RMN++; } template <class T> void HeapSort(T a[], int N, int& KCN, int& RMN) { int i; for (i = (N - 2)/2; i >= 0; i--) FilterDown<T>(a, i, N, KCN, RMN);//生成最大堆 for (i = N - 1; i > 0; i--) { swap(a[0], a[i]); RMN += 3; FilterDown(a, 0, i, KCN, RMN); } }

　　测试结果，直接测试的是N=100000：

Sort ascending N=100000 TimeSpared: 110ms KCN=1556441 KCN/N=15.5644 KCN/N^2=0.000155644KCN/NlogN=0.937071 RMN=2000851 RMN/N=20.0085 RMN/N^2=0.000200085RMN/NlogN=1.20463 Sort randomness N=100000 TimeSpared: 160ms KCN=3047006 KCN/N=30.4701 KCN/N^2=0.000304701KCN/NlogN=1.83448 RMN=3898565 RMN/N=38.9857 RMN/N^2=0.000389857RMN/NlogN=2.34717 Sort descending N=100000 TimeSpared: 90ms KCN=4510383 KCN/N=45.1038 KCN/N^2=0.000451038KCN/NlogN=2.71552 RMN=5745996 RMN/N=57.46 RMN/N^2=0.0005746 RMN/NlogN=3.45943

　　整体性能非常不错，附加储存1，还没有很糟的情况，如果实在不放心快排的最坏情况，堆排确实是个好选择。这里仍然出现了KCN、RMN多的反而消耗时间少的例子——误差70ms是不可能的，看来CPU优化的作用还是非常明显的（可能还和Cache有关）。

相关搜索：